Challenges Related to the Implementation of Measurement-Based Care for the Treatment of Major Depressive Disorder: A Feasibility Study
Notice bibliographique
Résumé
Measurement-based care (MBC) involves systematically assessing patients' symptoms and adverse events using standardized scales to guide treatment. While MBC has been shown to enhance the quality of care and outcomes in the pharmacotherapy of major depressive disorder (MDD), it is still rarely used in clinical practice. In this study, the feasibility of implementing MBC was assessed for patients with MDD seen in a large outpatient psychiatry clinic.Adults diagnosed with MDD were assessed at baseline and during a 12-week follow-up by phone or via emailed links with: the 9-item Patient Health Questionnaire (PHQ-9), an adverse effect rating scale, and a published suicide risk management protocol (SRMP). Antidepressants were recommended based on preferences expressed by the participant and treating psychiatrist; dosages were adjusted by the treating psychiatrist based on symptomatic improvement and adverse events.Over 2 years, 52 (21.2%) of 246 patients referred to the study were enrolled, 28 (53.8%) completed all assessments at all follow-up visits, 45 (87.0%) participants were prescribed one of the recommended antidepressants, and 22 (42.3%) remitted. Of the 27 participants presenting with suicidal ideation, 18 (66.6%) experienced a full resolution of these ideations.These findings highlight the challenges in implementing MBC for the pharmacotherapy of MDD and confirm some barriers to its broad adoption in clinical practice. The study also highlights its benefits in the selected group of patients who engage in MBC. Future studies need to continue to explore innovative ways to facilitate its broader implementation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».